專案介紹：
本科畢業選的深度學習的畢設，一開始只是學習了一下YOLOv3模型， 按照作者的指示在官網上下載下來權重，配好環境跑出來Demo,后來想著只是跑模型會不會太單薄，于是想了能不能做出來個比較實用的東西（因為模型優化做不了），于是乎做一個可以檢測人體的可操控移動小車的想法就誕生了，
實作的功能：1. 控制小車行進，并實時檢測人體目標，
? 2. 作為家庭監控，可以將出現在攝像頭中的人體目標通過微信發到手機上，并可以人為決定是否通過蜂鳴器發出警報，
大致的作業包括：1. YOLOv3 tiny 模型的訓練
? 2. Darknet模型到tensorflow模型再到NCS（神經計算加速棒）模型的兩次轉化
? 3. 小車控制以及視頻流直播程式
? 4. 微信報警程式
一 、環境搭建
一、安裝NVIDIA顯卡驅動
1.洗掉舊的驅動，
原來Linux默認安裝的顯卡驅動不是英偉達的驅動，所以先把舊得驅動洗掉掉，
sudo apt-get purge nvidia*
2.禁止自帶的nouveau nvidia驅動，
2.1 打開組態檔：
sudo gedit /etc/modprobe.d/blacklist-nouveau.conf
2.2填寫禁止配置的內容：
blacklist nouveau``options nouveau modeset=0
2.3更新組態檔：
sudo update-initramfs -u
重啟電腦！
2.4檢查設定
（因為禁止了顯卡的驅動，這時你的電腦解析度會變成800*600，圖示格式將會很不和諧，當然通過這個可以看出，是否完成這上面的操作）
lsmod | grep nouveau
*如果螢屏沒有輸出則禁用nouveau成功
3 正式安裝
法一：ppa源安裝（原生安裝）
1.添加Graphic Drivers PPA
sudo add-apt-repository ppa:graphics-drivers/ppa``sudo apt-get update
2.查看合適的驅動版本：
ubuntu-drivers devices
3.在這里我選擇合適的396版本：
sudo apt-get install nvidia-driver-396
重啟電腦！
4.安裝成功檢查：
sudo nvidia-smi``sudo nvidia-settings
*最直接的方法是進入到系統的“軟體和更新”，點擊進入到“附加驅動”，選擇你需要安裝的英偉達驅動，然后點擊“應用更改”，便能進行安裝了，注意的是這個方法適合網速較好的環境下進行，
二、安裝CUDA
1、官網下載：https://developer.nvidia.com/cuda-90-download-archive
我的如下：
2、安裝依賴庫
sudo apt-get install freeglut3-dev build-essential libx11-dev libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev
否則將會報錯：
3、注意C++\G++版本
CUDA9.0要求GCC版本是5.x或者6.x，其他版本不可以，需要自己進行配置，通過以下命令才對gcc版本進行修改，
查看版本：
g++ --version
版本安裝：
sudo apt-get install gcc-5
sudo apt-get install g++-5
通過命令替換掉之前的版本：
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-5 50
最后記得再次查看版本是否修改成功，
4、運行run檔案
sudo sh cuda_9.0.176_384.81_linux.run
安裝協議可以直接按q跳到最末尾，注意一項：
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 384.81?
(y)es/(n)o/(q)uit: n # 安裝NVIDIA加速圖形驅動程式,這里選擇n
5、添加環境變數
進行環境的配置，打開環境變陣列態檔
sudo gedit ~/.bashrc
在末尾把以下配置寫入并保存：
#CUDA
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
最后執行：
source ~/.bashrc
6、安裝測驗
在安裝的時候也也相應安裝了一些cuda的一些例子，可以進入例子的檔案夾然后使用make命令執行，
例一：
1.進入例子檔案
cd /usr/local/cuda-8.0/samples/1_Utilities/deviceQuery
2.執行make命令
sudo make
\3. 第三步
./deviceQuery
如果結果有GPU的資訊，說明安裝成功，
例二：
\1. 進入例子對應的檔案夾
cd NVIDIA_CUDA-9.0_Samples/5_Simulations/fluidsGL
2.執行make
make clean && make
\3. 運行
./fluidsGL
當執行這個例子，我們會看到流動的圖，剛開始可能看不到黑洞，需要等待一小段時間，不過記得用滑鼠點擊下綠色的畫面，
三、安裝cuDNN
1、官網下載：https://developer.nvidia.com/rdp/form/cudnn-download-survey
這個需要注冊賬號，拿自己的郵箱注冊即可，
只需下載下面3個安裝包即可
2、順序執行下面3個安裝命令：
sudo dpkg -i libcudnn7_7.0.3.11-1+cuda9.0_amd64.deb``sudo dpkg -i libcudnn7-dev_7.0.3.11-1+cuda9.0_amd64.deb``sudo dpkg -i libcudnn7-doc_7.0.3.11-1+cuda9.0_amd64.deb
3、安裝測驗
輸入以下命令：
cp -r /usr/src/cudnn_samples_v7/ $HOME``cd $HOME/cudnn_samples_v7/mnistCUDNN``make clean && make``./mnistCUDNN
最終如果有提示資訊：“Test passed! ”，則說明安裝成功！
四、安裝TensorFlow
1.pip直接安裝
pip install tensorflow_gpu-1.9.0
五、安裝darknet
打開YOLOv3官網，https://pjreddie.com/darknet/，按著教程一步一步的照做，
-
把專案克隆到本地，編譯
git clone https://github.com/pjreddie/darknet cd darknet make -
下載已經訓練好的yolov3權重，或者直接wget，如果下載速度太慢可以去百度找一下，
wget https://pjreddie.com/media/files/yolov3.weights -
下載完之后就可以使用權重模型來進行測驗了，
./darknet detect cfg/yolov3.cfg yolov3.weights data/dog.jpg
這里不會彈出來檢測的圖片是因為沒有安裝OpenCV，檢測的結果會在專案檔案夾下生成predictions.png.
-
如果你有攝像頭，你也可以直接通過視頻測驗模型
./darknet detector demo cfg/coco.data cfg/yolov3.cfg yolov3.weights
六、總結
至此已完成了，模型訓練端的環境搭建，下一篇文章將介紹如何利用YOLOv3模型訓練自己的資料集，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/41243.html
標籤：其他